Revue généraleImagerie médicale computationnelle (radiomique) et potentiel en immuno-oncologieComputational medical imaging (radiomics) and potential for immuno-oncology

RésuméL'arrivée de l'immunothérapie a profondément modifié la prise en charge de multiples cancers, permettant des réponses tumorales jusqu'alors inespérées, même si une majorité des cancers ne répondent pas à ces nouveaux traitements. L'identification de biomarqueurs permettant de cibler les cancers répondeurs est un enjeu majeur. L'imagerie médicale computationnelle (ou radiomique) est une discipline récente et extrêmement prometteuse. Elle consiste en l'analyse informatique d'images médicales et les traduit en données quantitatives complexes. Ces données de haute dimension permettent une caractérisation et une analyse plus en profondeur du phénotype tumoral. L'imagerie médicale computationnelle présente l'avantage d'être non invasive, de pouvoir évaluer la maladie tumorale dans sa globalité, et de pouvoir être répétée dans le temps pour suivre l'évolution tumorale au cours du temps. L'imagerie médicale computationnelle a pour objectif final de déterminer des biomarqueurs d'imagerie apportant une aide à la décision médicale et permettant aussi de mieux comprendre la biologie du cancer. Cette revue développe le processus de l'analyse en imagerie computationnelle et présente le potentiel de son utilisation en immuno-oncologie.

The arrival of immunotherapy has profoundly changed the management of multiple cancers, obtaining unexpected tumour responses. However, until now, the majority of patients do not respond to these new treatments. The identification of biomarkers to determine precociously responding patients is a major challenge. Computational medical imaging (also known as radiomics) is a promising and rapidly growing discipline. This new approach consists in the analysis of high-dimensional data extracted from medical imaging, to further describe tumour phenotypes. This approach has the advantages of being non-invasive, capable of evaluating the tumour and its microenvironment in their entirety, thus characterising spatial heterogeneity, and being easily repeatable over time. The end goal of radiomics is to determine imaging biomarkers as decision support tools for clinical practice and to facilitate better understanding of cancer biology, allowing the assessment of the changes throughout the evolution of the disease and the therapeutic sequence. This review will develop the process of computational imaging analysis and present its potential in immuno-oncology.